列式存储: 区别于传统的行式存储，在存储层，把同一列的数据放在一起，利于聚合查询，不利于明细查询、INSERT/UPDATE等。
Hbase: 列式存储的一种实现
组成部件说明：
Row Key： Table主键 行标识
Timestamp： 每次对数据操作对应的时间戳，即数据的version number（Hbase无法update，每次操作都是追加）
Column Family： 列簇，一个table在水平方向有一个或者多个列簇，列簇可由任意多个Column组成，可动态扩展，无须预定义数量及类型，二进制存储，用户需自行进行类型转换
逻辑视图：
物理视图:
系统架构
- Table中所有行都按照row key的字典序排列；
- Table在行的方向上分割为多个Region；
- Region按大小分割的，每个表开始只有一个region，随着数据增多，region不断增大，当增大到一个阀值的时候，region就会等分会两个新的region，之后会有越来越多的region；
- Region是Hbase中分布式存储和负载均衡的最小单元，不同Region分布到不同RegionServer上。
- Region是分布式存储的最小单元，不是存储的最小单元。在每台机器上Region由一个或者多个Store组成，每个store保存一个columns family；每个Strore又由一个memStore和0至多个StoreFile组成，StoreFile包含HFile；memStore存储在内存中，StoreFile存储在HDFS上。
Kylin: 以hbase为存储，维度做RowKey，指标做列族，支持SQL查询的预计算服务
Rowkey可以理解为“索引”，如：0001111是把维度ABCD作为索引的一份数据集，1110001是把维度AEFG作为索引的一份数据集....
每一种“索引”都包含了全量数据，称之为一个cuboid，如：原数据集大小为1G，有7个维度，那么预计算所有维度的结果集大小将是128G
正常的业务生产中不可能需要预计算所有维度，并且维度与维度间有可能还有内在关系（如：省市区），所以维度爆炸的问题可以通过kylin的剪枝策略避免
剪枝策略是基于业务场景和维度间的关系等多种因素减少cuboid个数的一种思路，目前Kylin可以使用的维度优化手段有以下几种：
- 聚集组
- 衍生纬度（如：cityName之于cityId）
- 强制维度（如：很多业务场景都是按天查询的，datekey便可设为强制维度，可以把cuboid的个数由128直接降为64）
- 层次维度（如：省-市-区）
- 联合维度（类似于联合索引，业务上一定会一起作为条件去查询的几个维度）
- Extended Column
待学习补充：
列式存储中的压缩存储、非精确去重、hyperloglog、bitmap